Stanford UFLDL教程 Exercise: PCA and Whitening

PCA（PrincipalComponentAnalysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。Whitening在一些文献中也叫sphering，目的就是降低输入的冗余性；更正式的说，我们希望通过白化过程使得学习算法的输入具有如下性质：　　(i)特征之间相关性较低；　　(ii)所有特征具有相同的方差。